企业 AI 知识库搭建教程：先治理资料，再接入问答

最常见的误区：以为上传文件就等于知识库

如果同一制度有三个版本、扫描件无法读取、权限混乱、文档没有责任人，AI 只会更快地暴露这些问题。企业知识库的核心不是聊天界面，而是资料能否被信任、被定位、被更新和按权限访问。

第一步：从一个高频问题域开始

不要第一天就导入全公司的文件。选择边界清楚、问题高频、风险可控的领域，例如产品使用说明、内部 IT 流程或标准售后问答。列出真实用户最近问过的 50—100 个问题，作为后续验收集。

第二步：建立资料清单

每份资料至少记录：标题、负责人、适用部门、生效日期、版本、保密级别、原始地址和下次复查时间。删除重复文件，标记已经废止的版本。找不到责任人的文档，不应自动成为权威答案。

第三步：先设计权限，再设计问答

用户只能检索本来就有权访问的内容。权限应在检索层生效，不能等模型生成答案后再遮盖。测试普通员工、主管、外部合作方和管理员账号，确认搜索结果、引用和日志都不越权。

特别注意文档中的隐藏信息、附件、历史版本和共享链接。前台不显示，不代表检索系统读不到。

第四步：处理文档结构

按标题、章节和语义切分，不要机械地每固定字符切一刀。保留文档标题、章节路径、版本和日期等元数据，让系统能回答“这段话来自哪份文件的哪一节”。表格、扫描 PDF 和图片需要单独检查解析效果。

内容块太小会失去上下文，太大会降低检索精度。用真实问题反复测试，而不是只看向量数量或导入成功提示。

第五步：回答必须带引用和边界

要求每个重要答案显示来源标题、章节和可点击地址。材料没有答案时明确回复“当前知识库未找到”，并提供人工升级入口。不要让模型用常识补齐公司政策、价格、合同或安全流程。

可以把回答分成三层：直接答案、依据来源、仍需确认。这样用户知道哪部分可执行，哪部分需要负责人判断。

第六步：建立评测集

评测不只看文字像不像。至少记录：是否找到正确文档、引用是否支持答案、是否混用旧版本、权限是否正确、拒答是否合理、人工是否能快速接管。

测试集应包含正常问题、同义问法、错别字、跨文档问题、无答案问题、过期问题和越权请求。每次调整切分、模型或提示词后重复运行。

第七步：设计维护责任

文档更新后谁重新同步？旧版本何时失效？低质量回答由谁处理？用户如何反馈？如果这些问题没有负责人，知识库上线后会快速变旧。

建议按风险设置复查周期：价格、政策、安全和产品版本更频繁；稳定的背景资料可以更长。变更记录要能追踪何时、由谁、为什么更新。

常见失败

• 导入数量很多，但没有真实问题集；
• 引用只指向文件首页，无法定位证据；
• 把旧制度与新制度一起检索；
• 权限只在界面控制，检索层仍能读到；
• 无答案时生成听起来合理的回复；
• 没有反馈、人工升级和内容责任人。

一个可执行的最小版本

先选 30—50 份可信资料、100 个真实问题和一组明确用户权限。做到引用可定位、无答案会拒绝、越权问题拿不到内容，再扩大范围。可靠的小知识库，比覆盖全公司却不能解释依据的聊天机器人更有价值。